Google AI Overviews 正在把排名前幾名的頁面點擊率硬生生砍掉 34.5% 到 61%——就算你的排名一動都沒動。這是 2026 年搜尋領域最大的危機：後台的關鍵字排名漂漂亮亮，但流量正在一點一滴地蒸發。
而且情況還在加速惡化。Ahrefs 2024 年 3 月的資料顯示，AI Overview 出現時，排名第一的點擊率掉了 34.5%。到了 2025 年 12 月，這個數字飆到 58%。越晚行動，對手就累積越多你追不回來的優勢。
這篇文章會帶你完整了解：各大 CTR 研究到底說了什麼、不同查詢類型的前後對比、讓品牌流失最多曝光的五大錯誤，以及一套四步驟實戰框架，教你在 AI 主導的搜尋環境中把點擊搶回來。
重點摘要
- Seer Interactive 追蹤了 2,510 萬次曝光，發現有 AI Overview 的查詢自然點擊率從 1.76% 崩到 0.61%，跌了 61%；付費點擊率更慘，掉了 68%。
- 被 AI Overview 直接引用的品牌，自然點擊率比「有排名但沒被引用」的品牌高 35%，付費點擊率高 91%（同一份 Seer Interactive 研究）。
- Amsive 分析發現，非品牌查詢平均點擊率掉了 19.98%；AI Overview 和精選摘要同時出現時，降幅擴大到 -37%。
- Gartner 預測傳統搜尋引擎流量到 2026 年會減少 25%，因為使用者開始轉向 AI 聊天機器人和虛擬助理。
- AI 推薦流量的轉換率是一般自然搜尋的 4.4 倍。換句話說，對多數 B2B 和 SaaS 品牌來說，「被 AI 引用」的價值已經超過單純衝點擊數。
- BrightEdge 數據顯示同期總點擊下降 30%，曝光卻增加 49%——GSC 的曝光數字正在掩蓋你真正的流量損失。
點擊率數據到底說了什麼（為什麼你的後台正在騙你）
幾份重要的獨立研究把 AI Overview 的影響單獨拆出來看，結果如下：
Seer Interactive 研究：自然點擊率崩跌 61%
Seer Interactive 分析了 42 個組織、3,119 組資訊型查詢，涵蓋 2024 年 6 月到 2025 年 9 月的 2,510 萬次自然曝光和 110 萬次付費曝光，是目前最完整的一份研究：
- 自然點擊率： 從 1.76% 掉到 0.61%，降幅 61%。
- 付費點擊率： 從 19.7% 掉到 6.34%，降幅 68%。
- 被引用的差異： 直接出現在 AI Overview 裡的品牌，自然點擊率是 0.70%；有排名但沒被引用的品牌只有 0.52%——同一個搜尋結果頁，差了 35%。
結論已經很明確：光排名第一不夠了。能被寫進 AI 摘要裡，那才是新的第一名。
Ahrefs 長期追蹤：只會越來越慘
Ahrefs 用 30 萬組資訊型關鍵字的 GSC 資料做了兩次研究。第一次（2024 年 3 月到 2025 年 3 月）發現 AI Overview 出現時，排名第一的點擊率從 7.3% 掉到 2.6%，降幅 34.5%。
Amsive 分析：品牌查詢 vs. 非品牌查詢，天差地遠
不是每種查詢的受傷程度都一樣。Amsive 的研究點出了一個大多數行銷人忽略的關鍵差別：
| 查詢類型 | AI Overview 對 CTR 的影響 | 關鍵條件 |
|---|---|---|
| 所有關鍵字（平均） | -15.49% | AI Overview 出現 |
| 非品牌查詢 | -19.98% | AI Overview 出現 |
| AIO + 精選摘要重疊 | -37.04% | 兩者同時出現 |
| 品牌查詢 | +18.68% | AI Overview 出現 |
非品牌的漏斗頂端查詢被打最慘。AI Overview 加上精選摘要一起出現時，整個首屏都被零點擊答案霸佔了。有趣的是，品牌查詢的點擊率反而上升——因為高購買意圖的買家會用 AI 摘要來確認他們已經認識的廠商，確認完再點進去預約或下單。
策略上的意義很清楚：你的品牌一定要出現在非品牌類別查詢的 AI 回答裡。那裡才是受傷最深的地方，也是買家真正在做評估決策的地方。
各查詢類型的點擊率前後對比
下面這張表把 Seer Interactive、Ahrefs、Amsive 三大研究的數據匯整在一起，讓你一眼看出 AI Overviews 怎麼按不同意圖類型重塑點擊率：
| 查詢類別 | AI Overview 出現前 | AI Overview 出現後 | 變化 | 資料來源 |
|---|---|---|---|---|
| 排名第 1，資訊型（平均） | 7.3% | 2.6% | -64% | Ahrefs (2025) |
| 所有自然，AIO 查詢 | 1.76% | 0.61% | -61% | Seer Interactive (2025) |
| 非品牌，資訊型 | 基準值 | -19.98% | -20% | Amsive (2025) |
| AIO + 精選摘要 | 基準值 | -37.04% | -37% | Amsive (2025) |
| 被引用品牌，自然 | 0.52% | 0.70% | +35% | Seer Interactive (2025) |
| 品牌，高意圖 | 基準值 | +18.68% | +19% | Amsive (2025) |
| 付費（AIO 查詢） | 19.7% | 6.34% | -68% | Seer Interactive (2025) |
Pew Research Center 2025 年 7 月的數據從使用者行為面提供了解釋。AI 摘要出現時，只有 8% 的使用者會點傳統自然搜尋結果（沒摘要時是 15%）。更驚人的是，只有 1% 的使用者會點 AI 摘要裡面的引用連結——大多數人看完摘要就走了。
為什麼會這樣：背後的根本原因
Google AI Overviews 跑的是 RAG（Retrieval-Augmented Generation）架構：從索引中拉出相關文件，合成一段對話式答案，擺在搜尋結果最上方。使用者不用點進任何網站就拿到答案了。對資訊型和漏斗頂端的查詢來說，這套系統消滅點擊的效率高到可怕。
零點擊趨勢不是 AI Overviews 才出現的，但被它大幅加速了。目前大約 58.5% 到 60% 的 Google 搜尋都以零點擊收場；在手機上更誇張，高達 77%。Gartner 預測到 2026 年，傳統搜尋引擎流量會減少 25%，因為搜尋量持續流向 AI 聊天工具。
那些沒受傷的品牌呢？就是被引用在 AI Overview 裡面的那些。這個引用優勢不是運氣好——它來自於刻意部署特定的內容格式和技術架構，讓 AI 模型能順利抓取和引用。少了這些，你的排名照樣好看，但就是沒人點進來。
怎麼守住你的點擊份額：四步驟框架
下面的順序很重要。沒有第二步的基礎建設，第三步做不好；第四步要能產生有用的訊號，前面第三步的內容必須先上線。照順序走。
第一步：動手之前，先搞清楚你的 AI 能見度缺口
在優化任何頁面之前，你得先弄明白：哪些地方你有被引用、哪些地方完全缺席。
把你最重要的 20 到 30 組目標查詢拿去 ChatGPT、Perplexity、Gemini、Google AI Overviews 各問一遍。記下來哪些競品被引用了、AI 偏好什麼格式（表格、編號清單、段落回答），以及你的品牌在哪裡沒出現。再把結果跟 GSC 數據交叉比對，找出那些「曝光漲、點擊跌」的頁面——那就是 AI Overview 正在吃掉你流量的訊號。
這個盤點會變成你的 prompt map：你的買家在評估供應商時，真正拿去問 AI 的問題。你鎖定的不是「什麼是薪資軟體」，而是「50 人遠端團隊、在好幾個國家有外包人員，最好用的薪資工具是什麼？」
第二步：架好 AI 原生的技術基礎建設
知道要瞄準什麼之後，你得確保 AI 爬蟲讀得懂你的網站。這是大多數品牌的最大盲區。
GPTBot、PerplexityBot、ClaudeBot 這些 AI 爬蟲來到你的網站，看到的是給人看的東西：行銷話術、JavaScript 渲染的內容、圖片格式的資料、複雜的選單架構。它們很難從中搞清楚你做什麼、服務誰、跟同業有什麼不同。
最重要的技術調整：
llms.txt 和 llms-full.txt。 在網域根目錄放一個 Markdown 格式的 llms.txt 檔案。這等於是 AI 專用的 sitemap，把你最重要的內容用結構化的方式整理好，去掉 JavaScript 和視覺雜訊。llms-full.txt 則是完整文字版，方便更深度的解析。FAQPage、HowTo、Product、Organization。用 sameAs 屬性把品牌實體明確連到社群帳號和 Google Knowledge Graph。robots.txt 和伺服器紀錄，確認 AI user agents 可以爬你的重要頁面。不小心擋掉這些爬蟲的情況比你想的還常見。第三步：把現有內容重新整理成 AI 方便抓取的格式
基礎建設搞定、爬蟲進得來之後，你得給它們值得抓的東西。
AI 模型靠 RAG 來產生答案，它們要的是模組化、直接了當、結構清楚的內容。能拿到引用的內容長這樣：
- 開頭就給答案。 前 100 到 200 字直接回答核心問題，不要鋪陳、不要行銷辭令。AI 模型偏好先講結論的架構。
- 用語義化的 HTML 標題層級。 H2 和 H3 標籤用自然語言的問題形式，不要用粗體字假裝是標題。結構訊號必須寫在 markup 裡。
- 比較資料用 HTML 表格。 如果你的比較數據放在 JPEG 或 Canva 圖檔裡，AI 爬蟲完全看不到。必須是
<table>元素。 - 加入獨家資訊。 自有統計數據、第一手案例研究、具名專家引言搭配完整的作者介紹。AI 系統明顯偏好那些在別的地方找不到的事實內容。
Search Engine Journal 在分析 AI Overview 排名模式時指出：「Google 透過 E-E-A-T 框架獎勵有真實專業度的內容。」同時兼顧人類閱讀體驗和事實可抓取性的內容，在傳統搜尋和 AI 排名中都表現最好。
第四步：建立閉環回饋機制
第三步上線之後，你就能追蹤哪些內容拿到引用、哪些沒有，然後用這些數據有系統地調整。
chatgpt.com、perplexity.ai、gemini.google.com 的推薦流量。當某篇文章開始獲得 AI 推薦流量，就去分析它的結構：標題模式、回答深度、資料格式、實體密度。然後把這些模式套回那些有曝光但還沒產生引用的文章。這就是為什麼順序不能亂。第四步的回饋迴圈，要等第三步產出夠多內容之後才能跑出有意義的訊號。沒有足夠的內容變化量，你根本看不出什麼有效、什麼沒用。
內部做不動的時候：執行斷層是真的
老實說，這套框架要在公司內部落地，你需要什麼：
llms.txt、檢查爬蟲權限、做巢狀 JSON-LD schema，還要能為 AI 爬蟲搭建影子架構。你需要內容團隊能持續穩定產出——不是做一批優化文章就結束，因為 GEO 是一套不養就會退化的活系統。你還得把 GSC、GA4 和 AI 推薦流量追蹤串在一起，建成能真正指導內容決策的回饋迴圈。大多數中型企業的行銷團隊完全不具備這些能力。不是整體人力不夠，而是 GEO 需要的這套特定技能組合，兩年前根本還不是一個品類。
結果就是我們一再看到的劇本：一家公司買了 Profound、Evertune 或 Scrunch 之類的監測工具，拿到一份漂亮的報告，清楚列出品牌在 AI 回答中哪裡缺席——然後就卡住了。報表變成一份沒人動手的昂貴擺設。找合適的人要三到六個月。內容團隊已經滿載。工程師有一堆 backlog。什麼都沒推進。
全代管方案：找人幫你做是什麼樣子
Mersel AI 同時運作兩個層次，這也是各方研究一致認為最有效的架構。
第一層是「引用優先」的內容引擎，以買家的真實提問為起點，而不是關鍵字研究的假設。內容來自業務通話錄音、競品引用模式和現有 AI 回答版圖建構出的 prompt map，每篇都是可直接上線的成品，直送你的 CMS。跟一般內容服務不同的是：它跑在一條串接 GSC、GA4 和 AI 推薦數據的閉環回饋迴圈上。一旦某篇文章開始被引用，那個訊號就會決定哪些舊文章該更新、怎麼更新。內容會隨時間越來越精準，而不是逐漸失效。
llms.txt 設定，以及能讓 AI 系統理解品牌關係的內部連結結構——全部建在你現有網站後面。使用者看不出任何差異，原有的 SEO 排名、反向連結、網站設計完全不受影響。有個限制要先講清楚：Mersel AI 是全代管服務，不是自助式後台。如果你需要即時 prompt 監測、自己上去跑分析，Profound 或 AthenaHQ 這類自助平台會更適合你那個用途。
複利效應是現在就該行動的最強理由。一家 Series A 金融科技新創同時上了兩個層次，92 天內 AI 能見度從 2.4% 跳到 12.9%，20% 的 demo 預約來自 AI 搜尋。一家 DTC 電商品牌 63 天內 AI 推薦流量成長 58%，14% 的新客受到 AI 搜尋的影響。這不是一時的流量高峰，而是每過一週就更難被對手撼動的複利引用足跡。
常見問題
這就是 AI Overview 的典型症狀。AI Overview 出現在某個查詢上時，你的頁面可能同時被算進傳統搜尋結果和 AI 摘要的曝光，數字因此灌水。但看完 AI 答案的人不會再點進來，所以曝光上升、點擊下降。BrightEdge 2025 年的資料顯示：同期總點擊掉了 30%，曝光卻漲了 49%。很多品牌的 GSC 曝光數字，其實正在幫你粉飾太平。
兩個都有。Seer Interactive 追蹤 2,510 萬次曝光的研究顯示，被 AI Overview 直接引用的品牌自然點擊率比「有排名沒引用」的品牌高 35%（0.70% vs 0.52%）。付費搜尋方面，被引用的品牌點擊率高出 91%。所以被寫進 AI 摘要不只是品牌曝光——就算是零點擊環境，它也確實帶來更多點擊。
非品牌、資訊型、漏斗頂端的查詢傷得最重。Amsive 研究顯示，非品牌查詢有 AI Overview 時平均點擊率掉 19.98%，AI Overview 加上精選摘要同時出現則掉到 -37.04%。反過來，品牌查詢的點擊率反而漲了 18.68%，因為高意圖買家會先用 AI 摘要確認廠商，再點進去做下一步。
llms.txt 是什麼？我真的需要嗎？llms.txt 是放在網域根目錄的 Markdown 檔案，等於是 AI 專用的 sitemap，用乾淨的結構把你最重要的內容整理好，不會有 JavaScript、選單或視覺干擾。嚴格來說不是硬性規定要有，但它確實能拉開差距：GPTBot、PerplexityBot 這些 AI 爬蟲在處理 JavaScript 渲染頁面和複雜網站架構時很吃力，llms.txt 直接省去這些障礙，讓 AI 系統一步到位拿到你的核心資料。業界數據普遍顯示，同時推動內容和技術建設的品牌，兩到八週就能看到初步的能見度提升。真正影響到業績的效果——合格的入站詢問、AI 歸因的 demo 預約——通常在 60 到 90 天之間浮現，之後持續複利成長。舉例來說，一家量子計算公司跟 Mersel AI 合作，123 天內 AI 帶來的企業級客戶詢問季增 16%，AI 引用率從 1.1% 攀升到 5.9%。
資料來源
- Search Engine Land: Google AI Overviews drive drop in organic, paid CTR
- Ahrefs: AI Overviews Reduce Clicks — Updated Study (Feb 2026)
- Seer Interactive: AIO Impact on Google CTR — September 2025 Update
- Dataslayer / Seer Interactive Study: Google AI Overviews — The End of Traditional CTR
- Amsive: Google AI Overviews — New Research Reveals CTR Drop
- Search Engine Land: Google AI Overviews hurt click-through rates (Amsive)
- Search Engine Land: Google AI Overviews hurting clicks — Pew Research study
- Gartner: Search Engine Volume Will Drop 25% by 2026
- Ahrefs: AI Overviews Reduce Clicks — Original Study (April 2025)
- Semrush: Zero-Click Searches and AI Overviews
- Yotpo: What is llms.txt?
- Analyt Solutions: Schema Markup and LLMs.txt
- Ahrefs: Answer Engine Optimization
- Search Engine Land: AI Overview citations, clicks, what to do
- Search Engine Journal: Studies Suggest How to Rank on Google's AI Overviews
- The HOTH: Generative Engine Optimization Guide
- Recomaze: AI SEO Mistakes That Kill AI Search Visibility
- SE Ranking: Review Platforms in AI Overviews